运行FSA-Net代码遇ValueError：Dense输入最后维度未定义

错误原因 #

1. TensorFlow版本兼容问题：原FSA-Net代码基于TensorFlow 1.x开发，TF2.x的模型构建逻辑（尤其是动态图机制、输入形状校验）与TF1.x差异显著。TF2.x中Keras的Dense层要求输入张量的最后一维维度必须明确，否则无法初始化层权重，但原代码依赖TF1.x的动态形状处理逻辑，导致在TF2.2中触发维度校验错误。
2. 输入特征维度未固定：在FSANET_model.py的ssr_feat_S_model_build方法中，传入Dense层的输入张量最后一维为None，通常是上游卷积/池化层输出的特征形状未明确，或是输入图像的形状未固定（比如未指定固定的宽高、通道数），导致Dense层无法确定权重参数的形状。

解决方法 #

• 固定输入张量形状：在模型初始化阶段，明确输入图像的固定形状，例如将输入层定义为tf.keras.layers.Input(shape=(64, 64, 3))（需匹配FSA-Net要求的输入尺寸），确保所有上游层输出的特征张量最后一维为确定数值。
• 适配TF2.x语法重构代码：
  • 将原代码中tf.layers、tf.contrib等TF1.x专属API替换为tf.keras.layers下的对应层；
  • 移除tf.Session、tf.global_variables_initializer等TF1.x的会话管理代码，改用Keras标准的model.compile()和model.fit()流程完成训练与推理。
• 检查并修正上游层输出形状：查看ssr_feat_S_model_build方法中Dense层之前的所有层，比如卷积、池化、Flatten操作，确保它们的输出形状最后一维是固定值。例如若使用自定义层，需实现compute_output_shape方法返回明确的输出形状。
• 临时兼容方案（不推荐长期使用）：在代码开头添加tf.compat.v1.disable_eager_execution()，强制启用TF1.x的静态图模式，绕过TF2.x的动态形状校验，但这只是临时修复，长期建议完成TF2.x的适配重构。

内容的提问来源于stack exchange，提问作者Redhwan